BibSonomy公司
蓝色社交书签和出版物共享系统。
(
英语
|
判定元件
|
俄罗斯
)
搜索
标签
用户
组
作者
概念
BibTeX键
搜索
搜索
切换导航
切换导航
登录
登记
组
家谱
流行的
帖子
标签
作者
概念
讨论
登录
登记
×
登录
使用您的用户名登录。
@
我的密码丢了。
登录
使用OpenID-Provider登录。
雅虎！
其他OpenID-Provider
登录
文章，
社交书签系统中的标签建议
R.Jäschke先生
,
L.马里诺
,
A.霍托
,
L.Schmidt-Thieme先生
,
和
G.斯塔姆
.
人工智能通信
,
21
(
4
):
231--247
(
2008年12月
)
内政部：
10.3233/AIC-2008-0438
21
40
1 + 4
全文
摘要
协作标记系统允许用户为资源分配关键字，即所谓的“标记”。
标签用于导航、查找资源和偶然浏览，从而为用户带来即时利益。
这些系统通常包括标签推荐机制，简化了为资源查找好标签的过程，但也整合了跨用户的标签词汇表。
然而，在实践中，只应用了非常基本的推荐策略。
本文评估并比较了几种针对大规模真实数据集的推荐算法：
基于用户的协作过滤，基于FolkRank算法之上的基于图形的推荐，以及基于计数标签出现次数的简单方法。
我们表明，FolkRank和Collaborative Filtering提供了比非个性化基线方法更好的结果。
此外，由于基于计数标签出现次数的方法计算成本低，因此通常更适合实时场景，因此我们讨论了改进此类方法性能的简单方法。
我们展示了一个基于用户和资源标签计数的简单推荐器是如何与最佳推荐器表现一样好的。
BibTeX键
jaeschke2008标签
条目类型
文章
地址
阿姆斯特丹
年
2008
月
12月
杂志
人工智能通信
数
4
页
231--247
出版商
IOS出版社
体积
21
国际标准化组织
0921-7126
vg端口
63
内政部
10.3233/AIC-2008-0438
文件
http://www.kde.cs.uni-kassel.de/pub/pdf/jaeschke2008tag.pdf
标签
2
2008
2009
ag：记录
应用程序：发布
应用程序：reco
双声学
书签
书签
核心
数据采集
数据库许可证
民间传说
民俗学
itegpub公司
对数超声检查
肌肉萎缩
非自由的
纸张
推荐
建议
推荐人
recsys16：哈拉基里
研究：推荐人：已选择
挑选出来的
社会的
社交书签
软件
系统
系统
标签
标记
标签测量
塔戈拉酒吧
标签
顶部
网状物
网络2.0
网站20
网络民族
用户
参考和引用的出版物
工具书类
引文
形式概念分析：数学基础
B.龙门起重机
,
和
R.威利
.
施普林格
,
柏林/海德堡，
(
1999
)
社交标签推荐系统
L.Balby Marinho律师事务所
,
A.Nanopoulos公司
,
L.Schmidt-Thieme先生
,
R.Jäschke先生
,
A.霍托
,
G.斯塔姆
,
和
P.Symeonidis公司
.
推荐系统手册
,
施普林格
,
(
2011
)
社交书签和出版管理系统BibEconomic
D.奔驰
,
A.霍托
,
R.Jäschke先生
,
B.克劳斯
,
F.米兹拉夫
,
C.施密茨
,
和
G.斯塔姆
.
VLDB杂志
,
19
(
6
):
849--875
(
2010年德泽伯
)
协同标签系统中的形式概念分析和标签建议
R.Jäschke先生
.
论文en zur Künstlichen Intelligenz
Akademische Verlagsgesellschaft AKA公司
,
德国海德堡，
(
2011年1月
)
在实时系统中测试和评估标签推荐器
R.Jäschke先生
,
F.艾斯特勒纳
,
A.霍托
,
和
G.斯塔姆
.
RecSys’09：第三届ACM推荐系统会议记录
,
第页
369--372
.
纽约、纽约、美国，
ACM公司
,
(
2009
)
评论和评论
显示
/
隐藏
拜托
登录
参加讨论（添加自己的评论或意见）。
引用本出版物
BibTeX公司
尾注
亚太地区
芝加哥
DIN 1505标准
哈佛
MSOffice XML
更多引用样式
-请选择-
×
%0期刊文章
%1个jaeschke2008tag
%罗伯特·Jäschke
%A Marinho，莱安德罗
%安德烈亚斯·霍托
%施密特-提姆，拉尔斯
%一顿，格德
%C阿姆斯特丹
%2008年4月
%IOS出版社
%人工智能通讯杂志
%K（K）
%编号4
%第231--247页
%R10.3233/AIC-2008-0438
%社交书签系统中的T标签建议
%U型
http://www.kde.cs.uni-kassel.de/pub/pdf/jaeschke2008tag.pdf
%第21版
%X协作标记系统允许用户为资源分配关键字（所谓的“标记”）。
标签用于导航、查找资源和偶然浏览，从而为用户带来即时利益。
这些系统通常包括标签推荐机制，简化了为资源查找好标签的过程，但也整合了跨用户的标签词汇表。
然而，在实践中，只应用了非常基本的推荐策略。
本文评估并比较了几种针对大规模真实数据集的推荐算法：
基于用户的协作过滤，基于FolkRank算法之上的基于图形的推荐，以及基于计数标签出现次数的简单方法。
我们表明，FolkRank和Collaborative Filtering提供了比非个性化基线方法更好的结果。
此外，由于基于计数标签出现次数的方法计算成本低，因此通常更适合实时场景，因此我们讨论了改进此类方法性能的简单方法。
我们展示了一个基于用户和资源标签计数的简单推荐器是如何与最佳推荐器表现一样好的。
@文章{jaeschke2008tag，
abstract={协作标记系统允许用户分配关键字，即所谓的“标记”
-到资源。
标签用于导航、查找资源和偶然浏览，从而为用户带来即时利益。
这些系统通常包括标签推荐机制，简化了为资源查找好标签的过程，但也整合了跨用户的标签词汇表。
然而，在实践中，只应用了非常基本的推荐策略。
本文评估并比较了几种针对大规模真实数据集的推荐算法：
基于用户的协作过滤，基于FolkRank算法之上的基于图形的推荐，以及基于计数标签出现次数的简单方法。
我们表明，FolkRank和Collaborative Filtering都比非个性化的基线方法提供了更好的结果。
此外，由于基于计数标签出现次数的方法计算成本低，因此通常更适合实时场景，因此我们讨论了改进此类方法性能的简单方法。
我们展示了一个基于用户和资源标签计数的简单推荐器是如何与最佳推荐器表现一样好的。
},
添加至={2011-01-27T12:01:29.000+0100}，
address={阿姆斯特丹}，
作者={Jäschke、Robert和Marinho、Leandro和Hotho、Andreas和Schmidt-Thieme、Lars和Stumme、Gerd}，
biburl={
https://www.bibsonomy.org/bibtex/29893350a20a2675af563f6fbc7c785c/jaeschke网站
},
doi={10.3233/AIC-2008-0438}，
interhash={b2f1aba6829affc85d852ea93a8e39f7}，
内部散列={9893350a20a2675af563f6fbc7c785c5}，
issn={0921-7126}，
journal={AI通信}，
关键字={}，
月=12月，
数字=4，
页数={231--247}，
publisher={IOS出版社}，
时间戳={2011-09-22T11:56:28.000+0200}，
title={社交书签系统中的标签建议}，
url={http://www.kde.cs.uni-kassel.de/pub/pdf/jaeschke2008tag.pdf}，
vgwort＝{63}，
体积=21，
年份=2008
}
在上搜索
谷歌学者
挪威船级社
书目数据库
基础
